Claim Missing Document
Check
Articles

Found 22 Documents
Search

PENGELOLAAN DATA KAMPUNG KELUARGA BERENCANA (KB) BERBASIS WEB, STUDY KASUS KOTA BANJARMASIN Fikri, Ihsanul; Hijriana, Nadya; Alfah, Rina; Aditya, Rizky
Technologia : Jurnal Ilmiah Vol 16, No 1 (2025): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i1.17002

Abstract

Pada Dinas Pengendalian Penduduk Keluarga Berencana dan Pemberdayaan Masyarakat (DPPKBPM) Kota Banjarmasin  bertugas melaksanakan tugas pemerintahan di bidang keluarga berencana dan keluarga sejahtera. Pada DPPKBPM Kota Banjarmasin terdapat bidang Pengendalian Penduduk yang memiliki tugas mengelola data program Kampung KB, pada sistem yang dimiliki bidang tersebut masih belum bisa membuat data lebih rinci dengan waktu yang cepat, sehingga pada saat pengumpulan data ke sistem pusat sedikit memakan waktu, dikarenakan data yang ada masih belum dipilah atau disaring. Sehingga hal itu dapat mempengaruhi kinerja pegawai. tahapan dan pembahasan, penelitian ini nanti nya akan menghasilkan sebuah aplikasi berbasis web yaitu Apliaksi Pengelolaan Data Kampung KB Pada Dinas Pengendalian Penduduk Keluarga Berencana dan Pemberdayaan Masyarakat Kota Banjarmasin. Peralatan yang digunakan untuk membuat aplikasi ini meliputi, Visual Studio Code, Xampp, PHP, MySQL dan Google Chrome. Penelitian ini memerlukan pengembangan sistem seperti fitur jadwal KB, jadwal agenda kegiatan waktu dekat, lokasi kampung KB dan notifikasi agenda.
Deteksi Spam Email Multibahasa: Menggunakan Cross-Lingual Transfer Learning Mahalisa, Galih; Alfah, Rina; Sanjaya, Hendra
Computer Science and Information Technology Vol 6 No 3 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i3.10107

Abstract

Targeting the challenge of text classification in Indonesian, which often faces a scarcity of adequate labeled data, this research adapts the pre-trained language model BERT-base-multilingual-cased, which was trained on a large multilingual corpus. The strategy involves two stages: first, the model is fine-tuned on a rich English-language spam dataset, and second, the trained model is then further fine-tuned using a much smaller Indonesian-language dataset. Quantitative evaluation results show that the model achieved very good and consistent performance in both languages. On the English dataset, the model reached an Accuracy of 0.9738 and an F1-score of 0.9436. More significantly, on the Indonesian dataset, the model achieved an Accuracy of 0.9492 with an F1-score of 0.9494. The comparable performance between the two languages, despite the Indonesian dataset being much smaller, proves that the semantic knowledge acquired from the source language (English) can be efficiently transferred for the same classification task in the target language (Indonesian). This research provides a strong demonstration of how transfer learning can bridge the data resource gap and has important implications for the development of NLP applications in the context of low-resource languages